KR20210026139A - 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치 - Google Patents

라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치 Download PDF

Info

Publication number
KR20210026139A
KR20210026139A KR1020190106511A KR20190106511A KR20210026139A KR 20210026139 A KR20210026139 A KR 20210026139A KR 1020190106511 A KR1020190106511 A KR 1020190106511A KR 20190106511 A KR20190106511 A KR 20190106511A KR 20210026139 A KR20210026139 A KR 20210026139A
Authority
KR
South Korea
Prior art keywords
point
points
clustering
frame
distance
Prior art date
Application number
KR1020190106511A
Other languages
English (en)
Other versions
KR102267277B1 (ko
Inventor
오영철
한지형
허명선
유병용
Original Assignee
(주) 오토노머스에이투지
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주) 오토노머스에이투지 filed Critical (주) 오토노머스에이투지
Priority to KR1020190106511A priority Critical patent/KR102267277B1/ko
Publication of KR20210026139A publication Critical patent/KR20210026139A/ko
Application granted granted Critical
Publication of KR102267277B1 publication Critical patent/KR102267277B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/4861—Circuits for detection, sampling, integration or read-out
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명은 라이다 센서의 포인트 데이터를 클러스터링하는 방법에 있어서, (a) 라이다 센서에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 컴퓨팅 장치가, 클러스터링 알고리즘을 이용하여 상기 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 단계; (b) 상기 컴퓨팅 장치가, 상기 현재 프레임에서 상기 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 상기 현재 프레임 미군집 포인트들을 참조하여 상기 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 단계; 및 (c) 상기 컴퓨팅 장치가, 상기 제1 클러스터링 정보와 상기 제2 클러스터링 정보를 참조하여 상기 현재 프레임에 대한 상기 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 단계; 를 포함하는 것을 특징으로 한다.

Description

라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치{METHOD FOR CLUSTERING POINT DATA OF LiDAR SENSOR, AND COMPUTING DEVICE USING THE SAME}
본 발명은 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치에 관한 것으로, 보다 상세하게는, 라이다 센서를 이용하여 원거리의 오브젝트를 검출할 수 있도록 하기 위한 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치에 관한 것이다.
라이다(LiDAR: Light Detection And Ranging)는 고출력의 펄스 레이저를 이용하여 물체에 반사되어 돌아오는 레이저 빔의 시간을 측정하여 거리정보를 획득하는 기술로, 자율주행자동차, 지구환경 관측, 대기분석, 및 무인기기 등 다양한 분야에 활용되고 있다.
최근에는 3D 리버스 엔지니어링, 자율주행 및 무인자동차를 위한 레이저 스캐너 및 3D 영상 카메라의 핵심 기술로 활용되면서 그 활용성과 중요성이 점차 증가되고 있다.
특히, 자율주행 자동차에서는 다양한 안전 서비스 지원을 위한 주변 관측을 위하여, 하나의 레이어만 가지고 오브젝트를 측정하는 실내 로봇 등과는 달리, 도로의 경사, 구배 등을 감안해서 강건하게 측정하기 위하여 멀티 레이어 형태로 구성되어 있다.
이러한 멀티 레이어 라이다에서는 그리드 맵 방식을 이용하여 멀티 레이어 데이터를 투영시켜 오브젝트를 군집화하여 검출하고, 검출된 오브젝트를 추적하고 있다.
그리고, 라이다 센서의 노이즈 때문에 라이다 센서에서 출력되는 포인트 데이터를 군집화하여 하나의 오브젝트에서 몇 개의 포인트 이상일 경우에 오브젝트로 인식하고 있다.
따라서, 라이다 센서의 오브젝트 인식 성능은 안정적일 수 없으며, 인식 성능은 광원의 최대 인지 거리에 비하여 매우 짧다.
특히, 작은 물체를 정확히 인지하지 못하는 문제점이 있다.
일 예로, 라이다 센서를 장착한 자율주행 자동차의 경우 도로 공사 구간의 라바콘이나 보행자 등과 같은 작은 물체를 사전에 인지하지 못하여 자율주행 자동차의 회피 거동에 필요한 시간을 확보할 수 없어 다양한 사고를 발생하는 문제점이 있다.
한편, 라이다 센서의 인지 성능을 높이기 위해서는 더 비싼 광원을 사용하거나 해상도를 높여야 하지만, 인식 성능을 극화하기 위해서 비싼 장비를 사용하여야 한다는 문제점이 있다.
본 발명은 상술한 문제점들을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 비싼 광원을 사용하거나 해상도를 높이지 않고 라이다 센서의 인지 성능을 향상시킬 수 있도록 하는 것을 다른 목적으로 한다.
또한, 본 발명은 라이다 센서에서 작은 물체를 용이하게 인지할 수 있도록 하는 것을 또 다른 목적으로 한다.
또한, 본 발명은 라이다 센서에서 원거리에 위치하는 물체를 용이하게 인지할 수 있도록 하는 것을 또 다른 목적으로 한다.
또한, 본 발명은 라이다 센서의 인지 성능을 안정적으로 유지할 수 있도록 하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 라이다 센서의 포인트 데이터를 클러스터링하는 방법에 있어서, (a) 라이다 센서에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 컴퓨팅 장치가, 클러스터링 알고리즘을 이용하여 상기 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 단계; (b) 상기 컴퓨팅 장치가, 상기 현재 프레임에서 상기 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 상기 현재 프레임 미군집 포인트들을 참조하여 상기 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 단계; 및 (c) 상기 컴퓨팅 장치가, 상기 제1 클러스터링 정보와 상기 제2 클러스터링 정보를 참조하여 상기 현재 프레임에 대한 상기 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 단계; 를 포함하는 방법이 제공된다.
상기에서, 상기 현재 프레임을 t 프레임이라 할 경우, 상기 (b) 단계에서, 상기 컴퓨팅 장치는, t-1 프레임 내지 t-n - 상기 n 은 1 이상의 정수임 - 프레임 각각에 대한 t-1 프레임 미군집 포인트들 내지 t-n 프레임 미군집 포인트들 각각을 상기 라이다 센서 이동 상태 정보를 참조하여 상기 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트로 변환하며, 상기 t 프레임 미군집 포인트들과 상기 보정된 t-1 프레임 미군집 포인트들 내지 상기 보정된 t-n 프레임 미군집 포인트들을 통합한 통합 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 컴퓨팅 장치는, 상기 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 컴퓨팅 장치는, 상기 통합 미군집 포인트들 중 상기 기설정된 포인트 거리 이내에 위치하지 않으나, 상기 통합 미군집 포인트들 중 적어도 일부의 포인트들 사이를 연결하는 성분이 소정 방향에 수렴하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 라이다 센서의 수평 해상도와 검출하기 위한 오브젝트의 사이즈를 참조한 오브젝트 검출 기준 거리가 설정되어 있으며, 상기 컴퓨팅 장치는, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이내에 위치하는 포인트들에 대응하여 상기 제1 클러스터링 정보를 생성하며, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이상에 위치하는 포인트들에 대응하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 오브젝트 검출 기준 거리는 수학식
Figure pat00001
에 의해 설정될 수 있다.
상기에서, 상기 컴퓨팅 장치는, 상기 포인트 데이터의 포인트들을 adaptive breaking detection 클러스터링 알고리즘, K-means 클러스터링 알고리즘, 및 허프 변환(Hough Transform) 알고리즘 중 어느 하나를 이용하여 클러스터링할 수 있다.
상기에서, 상기 컴퓨팅 장치는, (i) 상기 포인트 데이터에 포함된 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들이 확인되면, 상기 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 상기 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 상기 제n 포인트를 제k 브레이크 포인트로 지정하며, (ii) 제i - 상기 i는 1 이상 상기 k 이하의 상수임 - 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 상기 제i 시작 포인트와 상기 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 상기 제2 기준값 이상일 경우 상기 특정 포인트를 코너 포인트로 지정하며, (iii) 상기 제i 시작 포인트와 상기 코너 포인트 사이의 포인트들 각각과, 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제2 거리값들이 상기 제2 기준값 미만일 경우 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 상기 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제3 거리값들이 상기 제2 기준값 미만일 경우 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 상기 제i 오브젝트의 피처 라인으로 설정하여 상기 제1 클러스터링 정보를 생성할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 라이다 센서의 포인트 데이터를 클러스터링하는 컴퓨팅 장치에 있어서, 라이다 센서의 포인트 데이터를 클러스터링하기 위한 인스트럭션들이 저장된 메모리; 및 상기 메모리에 저장된 상기 인스트럭션들에 따라 라이다 센서의 포인트 데이터를 클러스터링하기 위한 동작을 수행하는 프로세서; 를 포함하며, 상기 프로세서는, (i) 라이다 센서에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 클러스터링 알고리즘을 이용하여 상기 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 프로세스, (ii) 상기 현재 프레임에서 상기 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 상기 현재 프레임 미군집 포인트들을 참조하여 상기 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 프로세스, 및 (iii) 상기 제1 클러스터링 정보와 상기 제2 클러스터링 정보를 참조하여 상기 현재 프레임에 대한 상기 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 프로세스를 수행하는 컴퓨팅 장치가 제공된다.
상기에서, 상기 현재 프레임을 t 프레임이라 할 경우, 상기 프로세서는, 상기 (ii) 프로세스에서, t-1 프레임 내지 t-n - 상기 n 은 1 이상의 정수임 - 프레임 각각에 대한 t-1 프레임 미군집 포인트들 내지 t-n 프레임 미군집 포인트들 각각을 상기 라이다 센서 이동 상태 정보를 참조하여 상기 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트로 변환하며, 상기 t 프레임 미군집 포인트들과 상기 보정된 t-1 프레임 미군집 포인트들 내지 상기 보정된 t-n 프레임 미군집 포인트들을 통합한 통합 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 프로세서는, 상기 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 프로세서는, 상기 통합 미군집 포인트들 중 상기 기설정된 포인트 거리 이내에 위치하지 않으나, 상기 통합 미군집 포인트들 중 적어도 일부의 포인트들 사이를 연결하는 성분이 소정 방향에 수렴하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 라이다 센서의 수평 해상도와 검출하기 위한 오브젝트의 사이즈를 참조한 오브젝트 검출 기준 거리가 설정되어 있으며, 상기 프로세서는, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이내에 위치하는 포인트들에 대응하여 상기 제1 클러스터링 정보를 생성하며, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이상에 위치하는 포인트들에 대응하여 상기 제2 클러스터링 정보를 생성할 수 있다.
상기에서, 상기 오브젝트 검출 기준 거리는 수학식
Figure pat00002
에 의해 설정될 수 있다.
상기에서, 상기 프로세서는, 상기 (ii) 프로세스에서, 상기 포인트 데이터의 포인트들을 adaptive breaking detection 클러스터링 알고리즘, K-means 클러스터링 알고리즘, 및 허프 변환(Hough Transform) 알고리즘 중 어느 하나를 이용하여 클러스터링할 수 있다.
상기에서, 상기 프로세서는, 상기 (i) 프로세스에서, (1) 상기 포인트 데이터에 포함된 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들이 확인되면, 상기 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 상기 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 상기 제n 포인트를 제k 브레이크 포인트로 지정하며, (2) 제i - 상기 i는 1 이상 상기 k 이하의 상수임 - 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 상기 제i 시작 포인트와 상기 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 상기 제2 기준값 이상일 경우 상기 특정 포인트를 코너 포인트로 지정하며, (3) 상기 제i 시작 포인트와 상기 코너 포인트 사이의 포인트들 각각과, 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제2 거리값들이 상기 제2 기준값 미만일 경우 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 상기 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제3 거리값들이 상기 제2 기준값 미만일 경우 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 상기 제i 오브젝트의 피처 라인으로 설정하여 상기 제1 클러스터링 정보를 생성할 수 있다.
이 외에도, 본 발명의 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 다음과 같은 효과가 있다.
본 발명은 비싼 광원을 사용하거나 해상도를 높이지 않고 라이다 센서의 인지 성능을 향상시킬 수 있다.
또한, 본 발명은 라이다 센서에서 작은 물체를 용이하게 인지할 수 있게 된다.
또한, 본 발명은 라이다 센서에서 원거리에 위치하는 물체를 용이하게 인지할 수 있게 된다.
또한, 본 발명은 라이다 센서의 인지 성능을 안정적으로 유지할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 시스템을 개략적으로 도시한 것이고,
도 2a 내지 도 3b는 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 방법에서 포인트들을 클러스터링하는 상태를 개략적으로 도시한 것이고,
도 4는 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 방법에서 오브젝트 검출 기준 거리를 설정하는 상태를 개략적으로 도시한 것이고,
도 5 내지 도 15는 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 방법에서 제1 클러스터링 정보를 생성하는 방법을 개략적으로 도시한 것이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 시스템을 개략적으로 도시한 것으로, 도 1을 참조하면, 시스템(1000)은 라이다 센서(100), 및 컴퓨팅 장치(200)를 포함할 수 있다.
먼저, 라이다 센서(100)는 주변 지형 지물에 펄스 레이저를 발사하고, 반사된 레이저를 스캐너로 감지한 후 반사되어 되돌아오는 시간을 관측하여 대상물의 거리를 계산할 수 있다. 또한, 라이다 센서(100)는 상하로 일정 높이에 횡으로 레이저를 조사하고 그에 따른 피드백 신호를 수집할 수 있다. 이때, 라이다 센서(100)는 복수의 높이에서 횡으로 레이저를 조사하여, 멀티 레이어 형태의 센서 정보를 수집할 수 있다. 그리고, 라이다 센서(100)의 멀티 레이어 형태의 센서 정보, 즉, 멀티 레이어 데이터는 복수의 레이어 면에 배치된 복수개의 포인트 데이터를 포함할 수 있다.
다음으로, 컴퓨팅 장치(200)는 라이다 센서(100)로부터 획득되는 포인트 데이터를 분석하여 각각의 레이어에서의 오브젝트들을 구분하고, 각각의 오브젝트의 정확한 형상을 인지할 수 있도록 클러스터링하는 것으로, 라이다 센서(100)의 포인트 데이터를 클러스터링하기 위한 인스트럭션들이 저장된 메모리(210)와 메모리(210)에 저장된 인스트럭션들에 따라 라이다 센서9100)의 포인트 데이터를 클러스터링하기 위한 동작을 수행하는 프로세서(220)를 포함할 수 있다.
이때, 컴퓨팅 장치(200)는 MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.
또한, 컴퓨팅 장치(200)는 라이다 센서(100)에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 클러스터링 알고리즘을 이용하여 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 프로세스, 현재 프레임에서 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 현재 프레임 미군집 포인트들을 참조하여 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 프로세스, 및 제1 클러스터링 정보와 제2 클러스터링 정보를 참조하여 현재 프레임에 대한 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 프로세스를 수행할 수 있다.
이와 같이 구성된 시스템(1000)을 통해 본 발명의 일 실시예에 따른 라이다 센서의 포인트 데이터를 클러스터링하는 방법을 도 2 내지 도 15를 참조하여 설명하면 다음과 같다.
먼저, 도 2a를 참조하면, 라이다 센서(100)는 퍼스 레이저를 주변으로 발사하고, 반사된 레이저를 스캐너로 감지한 후 포인트 데이터를 컴퓨팅 장치(200)로 전송하여 준다. 이때, 라이다 센서(100)은 복수의 높이에서 횡으로 펄스 레이저를 주변 지형 지물에 발사하고, 반사된 레이저를 스캐너로 감지한 후 멀티 레이어 데이터를 수집할 수 있으며, 멀티 레이어 데이터는 복수의 레이어 각각에 배치된 포인트 데이터들을 포함할 수 있다. 도 2a에서는 멀티 레이어 데이터 중 특정 레이어의 포인트 데이터를 예시적으로 도시한 것으로, 이러한 포인트 정보들이 각각의 레이어별로 획득될 수 있다.
한편, 도 2a에서는 라이다 센서(100)가 자동차에 설치된 상태를 도시한 것이나, 라이다 센서(100)는 자동차 이외에도 로봇, 드론 등 다양한 장치에 설치될 수 있다.
그리고, 도 2b를 참조하면, 컴퓨팅 장치(200)는 라이다 센서(100)에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터를 획득하며, 클러스터링 알고리즘을 이용하여 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성할 수 있다.
이때, 제1 클러스터링 정보는 근거리에 위치하는 오브젝트들에 대응될 수 있으며, 일 예로, 자동차의 경우, 근거리의 다른 자동차들(11, 12)과 근거리에 정지하고 있는 작은 물체(13)에 대응되는 포인트들을 군집화한 정보일 수 있다.
그리고, 원거리에 위치하는 작은 오브젝트들에 대응되는 포인트들(21, 22)은 군집화가 되지 않은 상태일 수 있다.
한편, 제1 클러스터링 정보를 생성하기 위한 클러스터링 알고리즘은 다양한 알고리즘이 사용될 수 있으며, 이에 대해서는 다음에 설명하기로 한다.
다음으로, 컴퓨팅 장치(200)는 현재 프레임에서 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 현재 프레임 미군집 포인트들을 참조하여 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성할 수 있다.
즉, 도 3a와 도 3b를 참조하면, 현재 프레임을 t 프레임이라 할 경우, 컴퓨팅 장치(200)는 t 프레임에서 제1 클러스터링 정보로 군집화되지 않는 t 프레임 미군집 포인트들(21c, 22c)를 추출한다,
그리고, 컴퓨팅 장치(200)는 t-1 프레임에서 군집화되지 않은 포인트들인 t-1 프레임 미군집 포인트들(21b, 22b)과 t-2 프레임에서 군집화되지 않은 포인트들인 t-2 프레임 미군집 포인트들(21a, 22a)을 라이다 센서 이동 상태 정보를 참조하여 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들(21b, 22b)과 보정된 t-n 프레임 미군집 포인트들(22a, 22b)로 보정한다.
이때, 컴퓨팅 장치(200)는 라이다 센서(100)가 이동한 상태 정보, 즉, 거동 정보를 참조하여, t-1 프레임 미군집 포인트들(21b, 22b)의 위치를 t 프레임에서 위치할 것으로 예측되는 위치로 변환하여 보정된 t-1 프레임 미군집 포인트들(21b, 22b)를 생성하며, t-n 프레임 미군집 포인트들(22a, 22b)의 위치를 t 프레임에서 위치할 것으로 예측되는 위치로 변환하여 보정된 t-n 프레임 미군집 포인트들(22a, 22b)을 생성할 수 있다.
이후, 컴퓨팅 장치(200)는 t 프레임 미군집 포인트들(21c, 22c), 보정된 t-1 프레임 미군집 포인트들(21b, 22b), 및 보정된 t-2 프레임 미군집 포인트들(21a, 22a)을 통합한 통합 미군집 포인트들을 생성하며, 통합 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성할 수 있다.
이때, 컴퓨팅 장치(200)는 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하는 미군집 포인트들(22a, 22b, 22c)을 클러스터링하여 제2 클러스터링 정보를 생성할 수 있다. 즉, 컴퓨팅 장치(200)는 통합 미군집 포인트들 중 설정 거리 이내에 위치하는 통합 미군집 포인트들을 군집화할 수 있다. 일 예로, 제2 클러스터링 정보로 생성되는 미군집 포인트들(22a, 22b, 22c)은 정지한 오브젝트에 대응될 수 있다.
또한, 컴퓨팅 장치(200)는 상기 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하지 않으나, 통합 미군집 포인트들 중 적어도 일부의 포인트들 사이를 연결하는 성분이 소정 방향에 수렴하는 미군집 포인트들(21a 21b, 21c)을 클러스터링하여 제2 클러스터링 정보를 생성할 수 있다. 이때, 제2 클러스터링 정보로 생성되는 미군집 포인트들(21a, 21b, 21c)에 대한 오브젝트는 는 현재 프레임인 t 프레임에서의 포인트(21c)일 수 있다. 일 예로, 제2 클러스터링 정보로 생성되는 미군집 포인트들(22a, 22b, 22c)은 이동하는 오브젝트에 대응될 수 있다.
한편, 상기에서는 설명의 편의를 위하여, t 프레임과 이에 대응되는 t-1 프레임 및 t-2 프레임에 대해 설명하였으나, 본 발명은 이에 한정되지 않으며, 설정된 이전 프레임의 개수(n)를 이용하여 제2 클러스터링 정보를 생성할 수 있다. 이때, n은 1 이상의 정수일 수 있다.
즉, 컴퓨팅 장치(100)는 t-1 프레임 내지 t-n 프레임 각각에 대한 t-1 프레임 미군집 포인트들 내지 t-n 프레임 미군집 포인트들 각각을 라이다 센서 이동 상태 정보를 참조하여 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트로 변환하며, t 프레임 미군집 포인트들과 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트들을 통합한 통합 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성할 수 있다.
그리고, 라이다 센서(100)의 수평 해상도와 검출하기 위한 오브젝트의 사이즈를 참조한 오브젝트 검출 기준 거리가 설정될 수 있으며, 그에 따라, 컴퓨팅 장치(200)는 라이다 센서(100)로부터 오브젝트 검출 기준 거리 이내에 위치하는 포인트들에 대응하여 제1 클러스터링 정보를 생성하며, 라이다 센서(100)로부터 오브젝트 검출 기준 거리 이상에 위치하는 포인트들에 대응하여 제2 클러스터링 정보를 생성할 수 있다.
이때, 오브젝트 검출 기준 거리는 다음의 수학식1에 의해 설정될 수 있다.
Figure pat00003
즉, 도 4를 참조하면, 라이다의 수평 해상도를 θ, 기준 거리를 r, 검출을 원하는 오브젝트의 크기를 W라 할 경우, 이들의 관계를 다음의 수학식2와 같이 나타낼 수 있다.
Figure pat00004
그리고, 수학식 2로부터 기준 거리 r은 다음의 수학식 3과 같이 나타낼 수 있다.
Figure pat00005
다음으로, 컴퓨팅 장치(100)는 제1 클러스터링 정보와 제2 클러스터링 정보를 참조하여 현재 프레임에 대한 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성할 수 있다.
이를 통해 본 발명은 라이다 센서(100)에 비싼 광원을 사용하거나 라이다 센서(100)의 해상도를 높이지 않고도 라이다 센서(100)의 인지 성능을 향상시킬 수 있게 된다.
특히, 본 발명에 따르면, 원거리에 위치하는 작은 사이즈의 오브젝트도 용이하게 검출할 수 있게 된다.
또한, 원거리에서 이동하는 오브젝트의 경우, 포인트 간의 벡터를 이용하여 오브젝트의 이동 속도를 신속히 확인할 수 있게 된다.
한편, 컴퓨팅 장치(200)는 포인트 데이터의 포인트들을 adaptive breaking detection 클러스터링 알고리즘, K-means 클러스터링 알고리즘, 및 허프 변환(Hough Transform) 알고리즘 중 어느 하나를 이용하여 클러스터링하여 제1 클러스터링 정보를 생성할 수 있다,
또한, 컴퓨팅 장치(200)는 포인트 데이터에 포함된 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들이 확인되면, 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 제n 포인트를 제k 브레이크 포인트로 지정한다. 그리고, 컴퓨팅 장치(200)는 제i 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 제i 시작 포인트와 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 특정 포인트와 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 특정 포인트와 제i 선분 사이의 최대 거리값이 제2 기준값 이상일 경우 특정 포인트를 코너 포인트로 지정한다. 이때, i는 1 이상 k 이하의 상수일 수 있다. 이후, 컴퓨팅 장치(200)는 제i 시작 포인트와 코너 포인트 사이의 포인트들 각각과, 제i 시작 포인트와 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 제2 기준값 미만인지를 확인하며, 제2 거리값들이 제2 기준값 미만일 경우 제i 시작 포인트와 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 제2 기준값 미만인지를 확인하며, 제3 거리값들이 제2 기준값 미만일 경우 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하여 제1 클러스터링 정보를 생성할 수 있다.
이에 대해 아래에서 좀 더 상세히 설명하기로 한다.
먼저, 도 5를 참조하면, 라이다 센서(100)는 복수의 높이에서 횡으로 펄스 레이저를 주변 지형 지물(OB1, OB2)에 발사하고, 반사된 레이저를 스캐너로 감지한 후 멀티 레이어 데이터를 수집할 수 있다. 이때, 멀티 레이어 데이터는 복수의 레이어 각각에 배치된 포인트 정보들을 포함할 수 있다. 도 5에서는 멀티 레이어 데이터 중 특정 레이어의 포인트 정보를 예시적으로 도시한 것으로, 이러한 포인트 정보들이 각각의 레이어별로 획득될 수 있다.
그리고, 컴퓨팅 장치(200)는 라이다 센서(100)로부터 멀티 레이어 데이터가 획득되면, 각각의 레이어에 포함된 오브젝트들에 대응하는 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들이 확인되면, 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 제n 포인트를 제k 브레이크 포인트로 지정할 수 있다.
이때, 컴퓨팅 장치(200)는 직전 포인트와의 거리값이 제1 기준값 이상인 포인트들이 확인되지 않으면, 제1 포인트를 제1 시작 포인트로 지정하고, 제n 포인트를 제1 브레이크 포인트로 지정할 수 있다. 즉, 레이어 내의 오브젝트에 대응하는 포인트 정보들에서 브레이크 포인트가 존재하지 않으므로, 레이어 내에는 하나의 오브젝트가 존재하는 것으로 판단할 수 있다.
일 예로, 도 6을 참조하면, 포인트1로부터 포인트13까지 직전 포인트와의 거리값이 제1 기준값 이상인 포인트를 확인한 결과, 포인트8과 포인트7 사이의 거리값이 제1 기준값 이상인 것으로 확인되며, 그에 따라, 포인트1과 포인트8을 제1 시작 포인트와 제2 시작 포인트로 지정하며, 포인트7과 포인트13을 브레이크 포인트로 지정한다. 이때, 시작 포인트는 오브젝트의 피처 라인의 시작점이 되며, 브레이크 포인트는 오브젝트 피처 라인의 끝점이 될 수 있다. 그리고, 브레이크 포인트를 이용하여 각각의 레이어 내에 위치하는 오브젝트들을 분리하여 추출할 수 있게 된다. 즉, 포인트1 내지 포인트7에 대응하는 오브젝트와 포인트8 내지 포인트13에 대응하는 오브젝트를 분리할 수 있게 된다.
다음으로, 컴퓨팅 장치(200)는 각각의 레이어에서, 제i 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 제i 시작 포인트와 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 특정 포인트와 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 특정 포인트와 제i 선분 사이의 최대 거리값이 제2 기준값 이상일 경우 특정 포인트를 코너 포인트로 지정할 수 있다.
한편, 컴퓨팅 장치(200)는 제i 시작 포인트와 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 특정 포인트와 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인한 결과, 특정 포인트와 제i 선분 사이의 최대 거리값이 제2 기준값 미만일 경우에는 제i 시작 포인트와 제i 브레이크 포인트 사이에서는 코너 포인트가 존재하지 않는 것으로 판단하고, 제i 시작 포인트와 제i 브레이크 포인트를 연결하는 제i 선분을 오브젝트의 피처 라인으로 설정할 수 있다. 즉, 컴퓨팅 장치(200)는 제i 시작 포인트와 제i 브레이크 포인트 사이의 각각의 포인트들과 제i 선분 사이의 거리값들을 확인하고, 확인된 모든 거리값들이 제2 기준값 이상이 아닐 경우, 제i 시작 포인트와 제i 브레이크 포인트 사이에서는 코너 포인트가 존재하지 않는 것으로 판단하고, 제i 시작 포인트와 제i 브레이크 포인트를 연결하는 제i 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
일 예로, 도 7을 참조하면, 제1 시작 포인트인 포인트1과 제1 브레이크 포인트인 포인트7을 연결하는 제1 선분을 획득하고, 포인트2 내지 포인트6 각각과 제1 선분 사이의 거리값이 최대값인 포인트3을 확인하고, 포인트3을 코너 포인트로 지정할 수 있다. 그리고, 제2 시작 포인트인 포인트8과 제2 브레이크 포인트인 포인트13의 경우, 포인트9 내지 포인트12가 포인트8과 포인트13을 연결하는 선분으로부터 제2 기준값 이내에 위치하는 것으로 판단될 수 있으며, 그에 따라, 포인트8 내지 포인트13 사이에는 코너 포인트가 존재하지 않는 것으로 확인하고, 포인트8과 포인트13을 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
다음으로, 컴퓨팅 장치(200)는, 각각의 레이어에서, 제i 시작 포인트와 코너 포인트 사이의 포인트들 각각과, 제i 시작 포인트와 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 제2 기준값 미만인지를 확인하며, 제2 거리값들이 제2 기준값 미만일 경우 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정할 수 있다.
일 예로, 도 8을 참조하면, 제1 시작 포인트인 포인트1과 코너 포인트인 포인트3을 연결하는 선분과, 포인트1과 포인트3 사이에 위치하는 포인트2 사이의 거리값이 제2 기준값 미만인 것으로 판단될 수 있으므로 포인트1과 포인트3을 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
그리고, 컴퓨팅 장치(200)는 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 제2 기준값 미만인지를 확인하며, 제3 거리값들이 제2 기준값 미만일 경우 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정할 수 있다.
일 예로, 도 9을 참조하면, 코너 포인트인 포인트3과 제1 브레이크 포인트인 포인트7 사이의 포인트4 내지 포인트6 각각과, 포인트3과 포인트7을 연경하는 선분 사이의 제3 거리값들이 제2 기준값 미만인 것으로 확인될 수 있으며, 그에 따라 포인트3과 포인트7 사이에는 코너 포인트가 존재하지 않는 것으로 판단할 수 있으며, 포인트3과 포인트 7을 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다. 또한, 제2 시작 포인트인 포인트8과 제2 브레이크 포인트인 포인트13의 경우, 포인트9 내지 포인트12가 포인트8과 포인트13을 연결하는 선분으로부터 제2 기준값 이내에 위치하는 것으로 판단될 수 있으며, 그에 따라, 포인트8 내지 포인트13 사이에는 코너 포인트가 존재하지 않는 것으로 확인하고, 포인트8과 포인트13을 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다. 이를 통해 특정 레이어 내에 위치하는 포인트1과 포인트7에 대응되는 제1 오브젝트와, 포인트8과 포인트13에 대응되는 제2 오브젝트를 구분할 수 있으며, 각각의 오브젝트에서의 코너 포인트를 확인하여 피처 라인을 설정하므로 오브젝트의 정확한 형상을 추출할 수 있게 된다.
한편, 컴퓨팅 장치(200)는 제2 거리값들이 제2 기준값 미만인지를 확인한 결과, 제2 거리값들이 제2 기준값 이상인 제1 서브 포인트들이 확인되면, 제1 서브 포인트들 중, 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분 사이의 최대 거리값을 가지는 특정 제1 서브 포인트를 제1 서브 코너 포인트로 지정하며, 제i 시작 포인트와 제1 서브 코너 포인트 사이의 포인트들 각각과, 제i 시작 포인트와 제1 서브 코너 포인트를 연결하는 선분 사이의 제2-1 서브 거리값들이 제2 기준값 미만인지를 확인하며, 제2-1 서브 거리값들이 제2 기준값 미만일 경우 제i 시작 포인트와 제1 서브 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 제1 서브 코너 포인트와 코너 포인트 사이의 포인트들 각각과, 제1 서브 코너 포인트와 코너 포인트를 연결하는 선분 사이의 제2-2 서브 거리값들이 제2 기준값 미만인지를 확인하며, 제2-2 거리값들이 제2 기준값 미만일 경우 제1 서브 코너 포인트와 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정할 수 있다.
즉, 컴퓨팅 장치(200)는 제i 시작 포인트와 코너 포인트 사이의 포인트들 각각과, 제i 시작 포인트와 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 제2 기준값 미만인지를 확인한 결과, 제2 기준값 이상인 포인트들이 확인되면, 이중 최대 거리값을 가지는 포인트를 새로운 코너 포인트로 지정한 다음, 상기와 같은 방법에 의해 제i 시작 포인트와 새로 지정된 코너 포인트 사이, 새로 지정된 코너 포인트와 이전 지정된 코너 포인트 사이에 또 다른 코너 포인트가 존재하는지 확인하는 동작을 새로운 코너 포인트가 확인되지 않을 때까지 반복함으로써, 제i 시작 포인트와 이에 인접하는 코너 포인트를 연결하는 선분, 및 코너 포인트들 사이를 연결하는 선분들을 오브젝트의 피처 라인으로 설정할 수 있다.
또한, 컴퓨팅 장치(200)는 제3 거리값들이 제2 기준값 미만인지를 확인한 결과, 제3 거리값들이 제2 기준값 이상인 제2 서브 포인트들이 확인되면, 제2 서브 포인트들 중, 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 최대 거리값을 가지는 특정 제2 서브 포인트를 제2 서브 코너 포인트로 지정하며, 코너 포인트와 제2 서브 코너 포인트 사이의 포인트들 각각과, 코너 포인트와 제2 서브 코너 포인트를 연결하는 선분 사이의 제3-1 서브 거리값들이 제2 기준값 미만인지를 확인하며, 제3-1 서브 거리값들이 제2 기준값 미만일 경우 코너 포인트와 제2 서브 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 제2 서브 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 제2 서브 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3-2 서브 거리값들이 제2 기준값 미만인지를 확인하며, 제3-2 거리값들이 제2 기준값 미만일 경우 제2 서브 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정할 수 있다.
즉, 컴퓨팅 장치(200)는 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 제2 기준값 미만인지를 확인한 결과, 제2 기준값 이상인 포인트들이 확인되면, 이중 최대 거리값을 가지는 포인트를 새로운 코너 포인트로 지정한 다음, 상기와 같은 방법에 의해 코너 포인트와 새로 지정된 코너 포인트 사이, 새로 지정된 코너 포인트와 제i 브레이크 포인트 사이에 또 다른 코너 포인트가 존재하는지 확인하는 동작을 새로운 코너 포인트가 확인되지 않을 때까지 반복함으로써, 코너 포인트들 사이를 연결하는 선분들, 및 제i 브레이크 포인트와 인접하는 코너 포인트를 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
일 예로, 도 10을 참조하면, 시작 포인트인 포인트1과 브레이크 포인트인 포인트12를 연결하는 선분과, 포인트2 내지 포인트11 각각 사이의 거리값을 제2 기준값과 비교하여 제2 기준값 이상이며 최대 거리값을 가지는 포인트7을 코너 포인트로 지정할 수 있다.
그리고, 도 11을 참조하면, 포인트1과 포인트7을 연결하는 선분과, 포인트2 내지 포인트6 각각 사이의 거리값을 제2 기준값과 비교하여 제2 기준값 이상이며 최대 거리값을 가지는 포인트2를 새로운 코너 포인트로 지정할 수 있다. 이때, 포인트1과 포인트2 사이, 및 포인트2와 포인트7 사이에서 추가적으로 새로운 코너 포인트가 확인되지 않으므로, 포인트1과 포인트2를 연결하는 선분, 및 포인트2와 포인트7을 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
또한, 도 12를 참조하면, 포인트7과 포인트12를 연결하는 선분과, 포인트8 내지 포인트11 각각 사이의 거리값을 제2 기준값과 비교하여 제2 기준값 이상이며 최대 거리값을 가지는 포인트10을 새로운 코너 포인트로 지정할 수 있다, 이때, 포인트7과 포인트10 사이, 및 포인트10과 포인트12 사이에서 추가적으로 새로운 코너 포인트가 확인되지 않으므로, 포인트7과 포인트10을 연결하는 선분, 및 포인트10과 포인트12를 연결하는 선분을 오브젝트의 피처 라인으로 설정할 수 있다.
그리고, 도 13을 참조하면, 포인트1 내지 포인트12에 대응하는 오브젝트는 포인트1과 포인트2를 연결하는 선분, 포인트2와 포인트7을 연결하는 선분, 포인트7과 포인트10을 연결하는 선분, 및 포인트10과 포인트12를 연결하는 선분으로 표현될 수 있다.
상기에서는 라이다 센서(100)로부터 획득되는 멀티 레이어 정보에서 각각의 레이어에서의 포인트들을 클러스터링하는 것을 설명하였으나, 이에 더하여, 레이어들 사이의 오브젝트들을 클러스터링할 수 있다.
즉, 컴퓨팅 장치(200)는 각각의 레이어에 대응하여 설정된 각각의 제i 오브젝트의 피처 라인을 참조하여, 중첩되는 영역에 위치하는 제1 특정 레이어의 제1 특정 오브젝트와 제2 특정 레이어의 제2 특정 오브젝트를 동일 오브젝트로 클러스터링할 수 있다.
이때, 컴퓨팅 장치(200)는 제1 특정 레이어의 제1 특정 오브젝트와 제2 특정 레이어의 제2 특정 오브젝트 각각의 피처 라인을 참조하여 시작 포인트와 브레이크 포인트가 동일할 경우 동일 오브젝트로 클러스터링할 수 있다.
일 예로, 도 14를 참조하면, 제1 특정 레이어의 제1 특정 오브젝트의 피처 라인과, 제2 특정 레이어의 제2 특정 오브젝트의 피처 라인이 중첩되며, 각각의 시작 포인트인 포인트1과 포인트1', 및 브레이크 포인트인 포인트13과 포인트13'가 동일하므로 제1 특정 레이어의 제1 특정 오브젝트와 제2 특정 레이어의 제2 특정 오브젝트는 동일 오브젝트로 판단되어 클러스터링될 수 있다.
또한, 컴퓨팅 장치(200)는 제1 특정 레이어의 제1 특정 오브젝트와 제2 특정 레이어의 제2 특정 오브젝트 각각의 피처 라인의 시작 포인트와 브레이크 포인트가 동일하지 않을 경우, 제1 특정 레이어와 제2 특정 레이어의 높이 차가 기설정된 제3 기준값 이하이며, 제1 특정 레이어의 제1 특정 오브젝트의 제1 피처 라인과, 제2 특정 레이어의 제2 특정 오브젝트의 제2 피처 라인의 기울기와 이격 거리가 기설정된 제4 기준값 이하이면 동일 오브젝트로 클러스터링할 수 있다.
일 예로, 도 15를 참조하면, 제1 특정 레이어의 제1 특정 오브젝트의 피처 라인(L1)과, 제2 특정 레이어의 제2 특정 오브젝트의 피처 라인(L1')의 기울기와 이격 거리가 제4 기준값 이하인 것으로 판단되어 피처 라인(L1)과 피처 라인(L1')는 동일 오브젝트로 클러스터링될 수 있다. 그리고, 제1 특정 레이어의 제1' 특정 오브젝트의 피처 라인(L2)과, 제2 특정 레이어의 제2' 특정 오브젝트의 피처 라인(L2')은 높이 차가 기설정된 제3 기준값을 초과하거나 기울기와 이격 거리가 제4 기준값 초과인 것으로 판단되어 피처 라인(L2)와 피처 라인(L2')는 서로 다른 오브젝트로 클러스터링될 수 있다.
또한, 이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
1000: 시스템,
100: 라이다 센서,
200: 컴퓨팅 장치,
210: 메모리,
220: 프로세서

Claims (16)

  1. 라이다 센서의 포인트 데이터를 클러스터링하는 방법에 있어서,
    (a) 라이다 센서에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 컴퓨팅 장치가, 클러스터링 알고리즘을 이용하여 상기 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 단계;
    (b) 상기 컴퓨팅 장치가, 상기 현재 프레임에서 상기 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 상기 현재 프레임 미군집 포인트들을 참조하여 상기 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 단계; 및
    (c) 상기 컴퓨팅 장치가, 상기 제1 클러스터링 정보와 상기 제2 클러스터링 정보를 참조하여 상기 현재 프레임에 대한 상기 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 단계;
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 현재 프레임을 t 프레임이라 할 경우,
    상기 (b) 단계에서,
    상기 컴퓨팅 장치는, t-1 프레임 내지 t-n - 상기 n 은 1 이상의 정수임 - 프레임 각각에 대한 t-1 프레임 미군집 포인트들 내지 t-n 프레임 미군집 포인트들 각각을 상기 라이다 센서 이동 상태 정보를 참조하여 상기 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트로 변환하며, 상기 t 프레임 미군집 포인트들과 상기 보정된 t-1 프레임 미군집 포인트들 내지 상기 보정된 t-n 프레임 미군집 포인트들을 통합한 통합 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 방법.
  3. 제2항에 있어서,
    상기 컴퓨팅 장치는, 상기 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 방법.
  4. 제3항에 있어서,
    상기 컴퓨팅 장치는, 상기 통합 미군집 포인트들 중 상기 기설정된 포인트 거리 이내에 위치하지 않으나, 상기 통합 미군집 포인트들 중 적어도 일부의 포인트들 사이를 연결하는 성분이 소정 방향에 수렴하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 방법.
  5. 제1항에 있어서,
    상기 라이다 센서의 수평 해상도와 검출하기 위한 오브젝트의 사이즈를 참조한 오브젝트 검출 기준 거리가 설정되어 있으며,
    상기 컴퓨팅 장치는, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이내에 위치하는 포인트들에 대응하여 상기 제1 클러스터링 정보를 생성하며, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이상에 위치하는 포인트들에 대응하여 상기 제2 클러스터링 정보를 생성하는 방법.
  6. 제5항에 있어서,
    상기 오브젝트 검출 기준 거리는 다음의 수학식에 의해 설정되는 방법.
    Figure pat00006
  7. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 컴퓨팅 장치는, 상기 포인트 데이터의 포인트들을 adaptive breaking detection 클러스터링 알고리즘, K-means 클러스터링 알고리즘, 및 허프 변환(Hough Transform) 알고리즘 중 어느 하나를 이용하여 클러스터링하는 방법.
  8. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 컴퓨팅 장치는, (i) 상기 포인트 데이터에 포함된 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들이 확인되면, 상기 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 상기 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 상기 제n 포인트를 제k 브레이크 포인트로 지정하며, (ii) 제i - 상기 i는 1 이상 상기 k 이하의 상수임 - 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 상기 제i 시작 포인트와 상기 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 상기 제2 기준값 이상일 경우 상기 특정 포인트를 코너 포인트로 지정하며, (iii) 상기 제i 시작 포인트와 상기 코너 포인트 사이의 포인트들 각각과, 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제2 거리값들이 상기 제2 기준값 미만일 경우 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 상기 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제3 거리값들이 상기 제2 기준값 미만일 경우 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 상기 제i 오브젝트의 피처 라인으로 설정하여 상기 제1 클러스터링 정보를 생성하는 방법.
  9. 라이다 센서의 포인트 데이터를 클러스터링하는 컴퓨팅 장치에 있어서,
    라이다 센서의 포인트 데이터를 클러스터링하기 위한 인스트럭션들이 저장된 메모리; 및
    상기 메모리에 저장된 상기 인스트럭션들에 따라 라이다 센서의 포인트 데이터를 클러스터링하기 위한 동작을 수행하는 프로세서;
    를 포함하며,
    상기 프로세서는, (i) 라이다 센서에 의해 스캐닝된 현재 프레임에 대한 포인트 데이터가 획득되면, 클러스터링 알고리즘을 이용하여 상기 포인트 데이터의 포인트들을 클러스터링하여 제1 클러스터링 정보를 생성하는 프로세스, (ii) 상기 현재 프레임에서 상기 클러스터링 알고리즘에 의해 클러스터링되지 않은 현재 프레임 미군집 포인트들을 추출하며, 적어도 하나의 이전 프레임에서 추출된 이전 프레임 미군집 포인트들과 상기 현재 프레임 미군집 포인트들을 참조하여 상기 현재 프레임 미군집 포인트들을 클러스터링하여 제2 클러스터링 정보를 생성하는 프로세스, 및 (iii) 상기 제1 클러스터링 정보와 상기 제2 클러스터링 정보를 참조하여 상기 현재 프레임에 대한 상기 포인트 데이터를 클러스터링한 현재 프레임 클러스터링 정보를 생성하는 프로세스를 수행하는 컴퓨팅 장치.
  10. 제9항에 있어서, 상기 현재 프레임을 t 프레임이라 할 경우,
    상기 프로세서는, 상기 (ii) 프로세스에서, t-1 프레임 내지 t-n - 상기 n 은 1 이상의 정수임 - 프레임 각각에 대한 t-1 프레임 미군집 포인트들 내지 t-n 프레임 미군집 포인트들 각각을 상기 라이다 센서 이동 상태 정보를 참조하여 상기 t 프레임에 대응되도록 보정하여 보정된 t-1 프레임 미군집 포인트들 내지 보정된 t-n 프레임 미군집 포인트로 변환하며, 상기 t 프레임 미군집 포인트들과 상기 보정된 t-1 프레임 미군집 포인트들 내지 상기 보정된 t-n 프레임 미군집 포인트들을 통합한 통합 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 컴퓨팅 장치.
  11. 제10항에 있어서,
    상기 프로세서는, 상기 통합 미군집 포인트들 중 기설정된 포인트 거리 이내에 위치하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 컴퓨팅 장치.
  12. 제11항에 있어서,
    상기 프로세서는, 상기 통합 미군집 포인트들 중 상기 기설정된 포인트 거리 이내에 위치하지 않으나, 상기 통합 미군집 포인트들 중 적어도 일부의 포인트들 사이를 연결하는 성분이 소정 방향에 수렴하는 미군집 포인트들을 클러스터링하여 상기 제2 클러스터링 정보를 생성하는 컴퓨팅 장치.
  13. 제9항에 있어서,
    상기 라이다 센서의 수평 해상도와 검출하기 위한 오브젝트의 사이즈를 참조한 오브젝트 검출 기준 거리가 설정되어 있으며,
    상기 프로세서는, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이내에 위치하는 포인트들에 대응하여 상기 제1 클러스터링 정보를 생성하며, 상기 라이다 센서로부터 상기 오브젝트 검출 기준 거리 이상에 위치하는 포인트들에 대응하여 상기 제2 클러스터링 정보를 생성하는 컴퓨팅 장치.
  14. 제13항에 있어서,
    상기 오브젝트 검출 기준 거리는 다음의 수학식에 의해 설정되는 컴퓨팅 장치.
    Figure pat00007
  15. 제9항에 있어서,
    상기 프로세서는, 상기 (ii) 프로세스에서, 상기 포인트 데이터의 포인트들을 adaptive breaking detection 클러스터링 알고리즘, K-means 클러스터링 알고리즘, 및 허프 변환(Hough Transform) 알고리즘 중 어느 하나를 이용하여 클러스터링하는 컴퓨팅 장치.
  16. 제9항에 있어서,
    상기 프로세서는, 상기 (i) 프로세스에서, (1) 상기 포인트 데이터에 포함된 제1 포인트 내지 제n 포인트 각각에서 직전 포인트와의 거리값이 기설정된 제1 기준값 이상인지를 확인한 결과, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들이 확인되면, 상기 제1 포인트를 제1 시작 포인트로 지정하고, 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들을 제2 시작 포인트 내지 제k 시작 포인트로 지정하며, 상기 직전 포인트와의 거리값이 상기 제1 기준값 이상인 포인트들의 직전 포인트들을 제1 브레이크 포인트 내지 제(k-1) 브레이크 포인트로 지정하고, 상기 제n 포인트를 제k 브레이크 포인트로 지정하며, (2) 제i - 상기 i는 1 이상 상기 k 이하의 상수임 - 시작 포인트와 제i 브레이크 포인트 사이의 포인트들 중, 상기 제i 시작 포인트와 상기 제i 브레이크 포인트를 연결하는 제i 선분 사이의 최대 거리값을 가지는 특정 포인트를 확인하고, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 기설정된 제2 기준값 이상인지를 확인하며, 상기 특정 포인트와 상기 제i 선분 사이의 최대 거리값이 상기 제2 기준값 이상일 경우 상기 특정 포인트를 코너 포인트로 지정하며, (3) 상기 제i 시작 포인트와 상기 코너 포인트 사이의 포인트들 각각과, 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분 사이의 제2 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제2 거리값들이 상기 제2 기준값 미만일 경우 상기 제i 시작 포인트와 상기 코너 포인트를 연결하는 선분을 제i 오브젝트의 피처 라인으로 설정하고, 상기 코너 포인트와 제i 브레이크 포인트 사이의 포인트들 각각과, 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분 사이의 제3 거리값들이 상기 제2 기준값 미만인지를 확인하며, 상기 제3 거리값들이 상기 제2 기준값 미만일 경우 상기 코너 포인트와 제i 브레이크 포인트를 연결하는 선분을 상기 제i 오브젝트의 피처 라인으로 설정하여 상기 제1 클러스터링 정보를 생성하는 컴퓨팅 장치.
KR1020190106511A 2019-08-29 2019-08-29 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치 KR102267277B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190106511A KR102267277B1 (ko) 2019-08-29 2019-08-29 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190106511A KR102267277B1 (ko) 2019-08-29 2019-08-29 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치

Publications (2)

Publication Number Publication Date
KR20210026139A true KR20210026139A (ko) 2021-03-10
KR102267277B1 KR102267277B1 (ko) 2021-06-21

Family

ID=75148966

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190106511A KR102267277B1 (ko) 2019-08-29 2019-08-29 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR102267277B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110126314A (ko) * 2010-05-17 2011-11-23 성균관대학교산학협력단 스테레오　카메라　기반　Ｆｕｚｚｙ-Ｋ―ｍｅａｎ ｃｌｕｓｔｅｒｉｎｇ　기법을　이용한　3차원　직선추출　기법
KR20160026989A (ko) * 2013-06-14 2016-03-09 우버 테크놀로지스, 인크. 객체 움직임의 라이더 기반 분류 기법
KR20160069847A (ko) * 2014-12-09 2016-06-17 현대자동차주식회사 라이다의 멀티 레이어 데이터를 클러스터링하는 방법
KR101899549B1 (ko) * 2017-12-27 2018-09-17 재단법인 경북아이티융합 산업기술원 카메라 및 라이다 센서를 이용한 장애물 인식 장치 및 그 방법
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치
KR20190082065A (ko) * 2017-12-29 2019-07-09 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110126314A (ko) * 2010-05-17 2011-11-23 성균관대학교산학협력단 스테레오　카메라　기반　Ｆｕｚｚｙ-Ｋ―ｍｅａｎ ｃｌｕｓｔｅｒｉｎｇ　기법을　이용한　3차원　직선추출　기법
KR20160026989A (ko) * 2013-06-14 2016-03-09 우버 테크놀로지스, 인크. 객체 움직임의 라이더 기반 분류 기법
KR20160069847A (ko) * 2014-12-09 2016-06-17 현대자동차주식회사 라이다의 멀티 레이어 데이터를 클러스터링하는 방법
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치
KR101899549B1 (ko) * 2017-12-27 2018-09-17 재단법인 경북아이티융합 산업기술원 카메라 및 라이다 센서를 이용한 장애물 인식 장치 및 그 방법
KR20190082065A (ko) * 2017-12-29 2019-07-09 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치

Also Published As

Publication number Publication date
KR102267277B1 (ko) 2021-06-21

Similar Documents

Publication Publication Date Title
US10908257B2 (en) Signal processing apparatus, signal processing method, and program
CN102997900B (zh) 外界识别方法、装置以及车辆系统
US20210231435A1 (en) Distance measurement device, distance measurement system, imaging apparatus, moving body, method of controlling distance measurement device, method of controlling distance measurement system, and recording medium
KR102154589B1 (ko) 라이다의 멀티 레이어 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치
US9824586B2 (en) Moving object recognition systems, moving object recognition programs, and moving object recognition methods
JP2018063680A (ja) 交通信号認識方法および交通信号認識装置
CN106934347B (zh) 障碍物识别方法及装置、计算机设备及可读介质
JP6301440B2 (ja) 対象物検出システム及び対象物検出方法
KR20220020804A (ko) 정보 처리 장치 및 정보 처리 방법, 그리고 프로그램
US20180276835A1 (en) Image processing apparatus, object recognition apparatus, equipment control system, image processing method, and computer-readable recording medium
US11210548B2 (en) Railroad track recognition device, program, and railroad track recognition method
US20200301019A1 (en) Object recognition device and vehicle control system
EP3712642B1 (en) Light signal detection device, range finding device, and detection method
US20220171975A1 (en) Method for Determining a Semantic Free Space
KR101735874B1 (ko) 차량 번호판 검출 장치 및 방법
KR102163774B1 (ko) 영상 인식 장치 및 그 방법
KR102267277B1 (ko) 라이다 센서의 포인트 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치
KR20220055707A (ko) 의미론적 포인트 클라우드 기반의 객체 추적 장치 및 방법
KR20160071164A (ko) 끼어들기를 고려한 차량 주행제어 장치 및 방법
KR102120812B1 (ko) 카메라와 레이더의 확률 융합에 기반한 타겟 인지 및 분류 시스템 및 그 방법
KR20170138842A (ko) 템플릿 매칭 기반의 차량 추적 시스템 및 방법
KR101437228B1 (ko) 입체영상에서의 외곽선 가중치 기반 장애물 영역 검출 장치 및 방법
KR102320920B1 (ko) 다중 라이다의 멀티 레이어 데이터를 처리하는 방법 및 이를 이용한 시스템
KR20210097418A (ko) 라이다 노이즈 제거 장치 및 그의 라이다 노이즈 제거 방법
KR101748675B1 (ko) 도로 영역 추출 장치 및 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant